我有一个N
元素的列表,我想要示例M (<= N)
值尽可能均匀分布。更具体地说,假设选择应该最小化采样点之间的间距的差异。例如,让我们说我构造布尔索引阵列(即在python
)选择的元素,(几乎)均匀地从列表中选择项目
我试图算法(来自此相似,但不同的问题:How do you split a list into evenly sized chunks?) :
q, r = divmod(N, M)
indices = [q*jj + min(jj, r) for jj in range(M)]
有时候效果很好:
N=11 M=6
good_index = [0 1 0 1 0 1 0 1 0 1 0]
N=14 M=6
good_index = [0 1 1 0 1 1 0 1 0 1 0 1 0 1]
在这里,第一个例子是微不足道的,因为数组可以平分。第二个例子不能平分,但点之间的间距尽可能相似(2,2,1,1,1,1)。
但往往效果很差:
N=16 M=10
bad_index = [0 1 0 1 0 1 0 1 0 1 0 1 0 0 0 0]
N=14 M=10
bad_index = [0 1 0 1 0 1 0 1 0 0 0 0 0 0]
因为你必须在最后堆放值。
编辑1:woops,只是意识到每个列表上方技术上倒(0的应该是1的,反之亦然)......但还是应该传达正确的想法。
编辑2:上述算法往往工作从不是一些概念比较简单就像选择随机数更好的(即目视检查,
step = int(floor(N/M))
last = M * step # this prevents us from getting M+1 elements
indices = [ii for ii in range(0, last, step)]
对于一个快速的方法,但看似随机看一看[Halton序列。](https://en.wikipedia.org/wiki/Halton_sequence) –
@PrestonHager这是有趣的,但你怎么看它是有用吗? – DilithiumMatrix